[發明專利]語音標注質量確定方法、裝置、設備及計算機可讀介質

在審

• 申請號: 201910306732.6
• 申請日: 2019-04-17
• 公開（公告）號: CN110070854A
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 張晴晴;何淑琳;劉天宇;楊金富;羅磊;馬光謙;汪洋
• 申請（專利權）人: 北京愛數智慧科技有限公司
• 主分類號: G10L15/01
• 分類號: G10L15/01;G10L15/26;G10L15/06;G06K9/62;G06F16/35
• 代理公司: 北京智沃律師事務所 11620
• 代理人: 李笑丹

本申請涉及一種語音標注質量確定方法、裝置、設備及計算機可讀介質。所述方法包括將目標音頻文件輸入預設的語音識別模型中，得到預識別文本及所述預識別文本的貝葉斯風險值；獲取標注員對所述預識別文本在標注過程中的標注過程信息及所述標注員在標注歷史標注文本時的歷史標注信息；基于所述貝葉斯風險值、所述標注過程信息及歷史標注信息確定所述標注員對所述預識別文本進行標注的得到的標注文本的文本可信度；根據所述文本可信度確定所述標注文本的標注質量。本申請能夠實現輔助驗收員關注更可能出錯的標注文本，進而提升整個語音數據標注質檢的效率。

技術領域

本申請涉及計算機技術領域，尤其涉及一種語音標注質量確定方法、裝置、設備及計算機可讀介質。

背景技術

目前，隨著人工智能技術的突破，語音作為人機交互的重要環節，地位也越來越突出。但由于不同地域相應的語音差異性也較大，因此，為了建立一個有效的聲學模型，需要對海量語音數據進行標注。

目前，語音數據獲取常采用人工進行標注，再通過質檢對標注數據進行合格驗收。不同標注員標注數據的質量會存在參差不齊的情況，需要質檢人員對數據質量再次把關，質檢驗收后獲取的數據越精準，對聲學模型訓練的效果越好。質檢驗收常采用隨機抽取標注員數據的方法，該方法隨機性比較強，會存在漏掉質量差的標注數據。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本申請提供了一種語音標注質量確定方法、裝置、設備及計算機可讀介質。

第一方面，本申請提供了一種語音標注質量確定方法，包括：

將目標音頻文件輸入預設的語音識別模型中，得到預識別文本及所述預識別文本的貝葉斯風險值；

獲取標注員對所述預識別文本在標注過程中的標注過程信息及所述標注員在標注歷史標注文本時的歷史標注信息；

基于所述貝葉斯風險值、所述標注過程信息及歷史標注信息確定所述標注員對所述預識別文本進行標注的得到的標注文本的文本可信度；

根據所述文本可信度確定所述標注文本的標注質量。

可選地，所述基于所述貝葉斯風險值、所述標注過程信息及歷史標注信息確定所述標注員對所述預識別文本進行標注的得到的標注文本的文本可信度，包括：

若所述貝葉斯風險值超過預設風險閾值、根據所述歷史標注信息確定的所述標注員的歷史標注質量低于預設標注質量閾值且根據所述標注過程信息確定所述標注員對所述預識別文本的修改量小于預設修改閾值，則確定所述文本可信度低。

可選地，所述歷史標注質量根據所述標注員的認真度和準確度確定；

根據所述歷史標注記錄確定所述標注員的歷史標注質量是否低于預設標注質量閾值，包括：

根據所述歷史標注信息確定所述標注員的歷史標注質量是否低于預設標注質量閾值，包括：

根據所述歷史標注信息確定所述標注員的認真度和準確度；

將所述歷史標注質量與預設標注質量閾值比較；

若所述歷史標注質量小于所述預設標注質量閾值，確定所述標注員的歷史標注質量低于預設標注質量閾值；否則，確定所述標注員的歷史標注質量大于預設標注質量閾值。

可選地，所述歷史標注質量根據所述標注員的準確度和標注時長確定；

根據所述歷史標注信息確定所述標注員的歷史標注質量是否低于預設標注質量閾值，包括：

根據所述歷史標注信息確定所述標注員的認真度和準確度；

基于所述認真度、預設認真度權重系數、準確度及預設準確度權重系數計算所述標注員的歷史標注質量；